基于二维线性判别分析的彩色人脸识别

为了提高人脸识别的准确率,提出了一种基于二维线性判别分析的彩色人脸识别算法,直接对彩色人脸图像不同通道的颜色信息进行编码,采用矩阵表示模型描述人脸对象;融合人脸的类别特征,采用二维线性判别分析的算法提取彩色人脸的分类特征;根据投影后的特征矩阵,采用最近邻分类的算法进行人脸识别.利用CVL和CMUPIE彩色人脸数据库进行实验.结果表明,本文提出的彩色人脸识别算法能有效地提高人脸识别的准确率,明显优于对比的算法.     

电子鼻对花椒精油的辨别研究

以超临界流体萃取法和无溶剂微波萃取法提取了四川大红袍花椒和陕西韩城大红袍花椒精油,用电子鼻对花椒产地、提取方法和同种提取方法下的不同提取工艺条件下所得花椒精油进行了辨别研究．采用主成分分析法分析花椒精油的特征气味指纹图,发现电子鼻可以有效区分花椒精油．各主成分分析图中,第1、第2主成分累积方差贡献率为98．989％～99．5969％,辨别指数为93～95．初步探索了统计质量控制法控制花椒精油质量和判别因子分析法判断花椒精油的来源的可行性．     

基于鉴别主成份分析的基因表达数据特征提取

针对高维小样本数据特征提取问题,通过融合主成份分析（PCA）和线性判别分析（LDA）,提出一种鉴别主成份分析方法。通过对PCA主成份进行单个线性判别,选择主要反应类间差异的主成份来构造特征空间。对yeast和NCI基因表达数据的实验结果表明：该方法在降维的同时能获得较好的判别特征,且能避免线性判别分析方法的奇异性。在子空间的聚类识别率相比PCA提高了20％以上,且具有较好的可视化效果,说明了用该方法对高维小样本数据进行特征提取的有效性。     

国外蜂蜜品种识别和掺假鉴别方法研究进展

蜂蜜产地来源和蜂蜜掺伪的辨别方法是当今许多国家和蜂产品生产相关部门研究的热点.针对目前国外应用理化方法、现代仪器分析以及生物免疫技术结合模式识别对蜂蜜的产地、植物来源及掺伪辨别方法和研究进展进行了综述.     

基于矿质元素含量的多元统计方法进行绿茶鉴别

采用微波等离子体炬原子发射光谱法(MPT-AES)测定了23种不同产地绿茶样品中的Mg、Al、Ca、Mn、Fe、Cu、Zn、K、Na、Co和Pb共11种元素的含量,并结合主成分分析和聚类分析进行茶叶产地的判别。研究结果表明:利用主成分分析和聚类分析对来自安徽、浙江、四川和江西的绿茶能够良好地区分,聚类效果明显,茶叶中矿质元素的含量可作为茶叶产地判别的测量指标之一。     

基于2DPCA-2DLDA的人脸识别算法

提出一种2DPCA-2DLDA方法来对人脸进行识别.该方法同时运用基于行的2DPCA和基于列的2DLDA方法直接在2维图像上进行投影,避免了对大矩阵的计算,同时也充分提取了图像的有效信息,在ORL人脸库上的实验结果表明该方法较优于其他方法.     

时域特征用于20^#钢球化组织状态无损评价

珠光体型耐热钢在服役过程中发生的珠光体球化、碳的石墨化等一系列组织转变,使设备失效的危险性增加.实验选择球化状态不同的20#钢样品作为研究对象,利用信号分析技术提取表征组织形态的超声回波信号时域特征,分别采用单因素及主成分分析方法考察特征对球化形态的识别能力.研究表明,珠光体的球化组织状态与超声场的相互作用(如回波幅度),影响超声回波信号的时域特征;对球化组织形态的识别较为显著的特征值是下降时间、面积平均和不对称度;利用主成分分析可以快速实现对球化组织状态的有效识别.由此可以得出以信号时域特征描述20#钢珠光体球化组织状态的变化是可行的,该方法以无损的形式实现了对组织形态的检测,弥补了现有检测手段的不足,为高温条件下在役装置的显微组织现场检测提供技术支持.     

直接LDA在人脸识别中的鉴别力分析

直接线性鉴别分析(DLDA)曾被声明利用类内离散矩阵零空间内外所有鉴别信息,为了分析声明的理论缺陷,对DLDA在人脸识别中的鉴别特性进行了研究.鉴于DLDA是在类间离散矩阵列空间中寻找最优解,理论分析从下面3方面内容展开:类间和类内离散矩阵的列空间之间的关系、类间离散矩阵列空间与类内离散矩阵零空间的关系以及在保留全部鉴别矢量下的DLDA特性,结果表明,在小样本条件下,DLDA几乎没利用零空间内的信息,导致一些有用的鉴别信息的丢失;若保留全部的鉴别矢量,DLDA退化为类间离散矩阵的保留所有非零成分的主成分分析.在人脸数据库ORL和YALE上的比较实验结果显示:DLDA的识别率都次于其它几种线性鉴别分析扩展方法,与理论分析一致.     

复杂背景下的人脸检测方法研究

针对复杂背景环境下的人脸检测,提出了一种基于改进AdaBoost的新方法。首先对人脸进行Haar-like特征的提取,然后使用基于最大散度差的鉴别准则对人脸高维特征进行降维。通过预设最大误报率和最小通过率及与前向搜索相结合的方法选择最佳弱分类器。在级联结构后几层的强分类器中,使用PCA、LDA与AdaBoost相融合的方法,去除非人脸区域,有效地检测出人脸。实验仿真结果验证了该方法的有效性。     

基于PC-LDA的交通标志形状特征识别方法

针对PCA方法所提取的特征分类效果较差,而LDA方法通常不能直接应用于图像特征提取的问题,提出了一种基于PC-LDA的交通标志形状特征识别方法.通过对交通标志图像进行归一化和二值化处理,得到交通标志形状特征.将PCA方法与LDA方法相结合用于交通标志二值图像特征提取,可以得到既有最佳描述性又有最佳分类效果的PC-LDA特征子空间.利用标准交通标志图像数据库进行验证,并采用最小距离分类器对所提取的特征进行识别,结果表明,该方法能够快速有效地进行维数约减,提高了交通标志识别率.